Podobna grupa odbiorców

Podobna grupa odbiorców to zestaw nowych użytkowników, którego platforma reklamowa generuje poprzez analizę istniejącej listy seed, zazwyczaj przeszłych konwertujących lub załadowanej listy klientów o wysokiej wartości, i znajdowanie innych użytkowników, którzy podzielają statystycznie podobne cechy i zachowania. Zamiast ręcznie wybierać parametry targetowania, takie jak wiek, zainteresowania czy lokalizacja, reklamodawca przekazuje platformie listę osób, które już konwertują, a algorytm znajduje kolejne osoby podobne do nich.

Jak działa modelowanie, na wysokim poziomie#

Platforma analizuje listę seed w odniesieniu do szerszej bazy użytkowników, poszukując wzorców w zachowaniach przeglądania, sygnałach demograficznych oraz użyciu urządzeń lub aplikacji, które odróżniają grupę seed od ogólnej populacji, a następnie ocenia resztę bazy pod kątem podobieństwa do tego wzorca. Reklamodawca może zazwyczaj określić, jak ściśle lub szeroko ma być dopasowanie, często wyrażane jako procent całkowitej bazy użytkowników platformy w danym kraju, przy czym mniejszy procent oznacza bliższe dopasowanie do seed, a większy – większy zasięg kosztem precyzji.

Skąd pochodzi lista seed#

Jakość seedu napędza jakość podobnych odbiorców bardziej niż prawie jakikolwiek inny czynnik. Seed zbudowany z rzeczywistych nabywców lub klientów o wysokim LTV zazwyczaj generuje silniejszą podobną grupę niż ten oparty na wszystkich odwiedzających stronę, niezależnie od tego, czy dokonali konwersji, ponieważ model jest tak dobry, jak wzorzec w dostarczonych danych. Reklamodawcy, którzy zbudowali solidny pierwszo‑stronowy zestaw danych, zdarzenia konwersji oparte na pikselach powiązane czysto z wartością zakupu, zazwyczaj uzyskują bardziej użyteczne podobne grupy niż ci, którzy korzystają z cienkich lub szumiących list.

Podobne grupy odbiorców a retargeting#

Oba pojęcia bywają mylone, ponieważ oba opierają się na istniejących danych, ale rozwiązują przeciwne problemy. Retargeting ponownie angażuje osoby, które już bezpośrednio interagowały z marką. Targetowanie podobnych odbiorców wykorzystuje te same dane interakcji jako seed treningowy, a następnie znajduje zupełnie nowe osoby, które nigdy nie miały kontaktu z marką, zwiększając zasięg zamiast go odzyskiwać. Lejek, który jedynie retargetuje, w końcu wyczerpie pulę dostępnych odbiorców; targetowanie podobnych odbiorców jest jednym ze standardowych sposobów na stałe zasypywanie świeżych potencjalnych klientów takim lejkiem.

Gdzie pasują platformy natywne i treściowe#

Modelowanie podobnych odbiorców jest najczęściej kojarzone z platformami społecznościowymi i wyszukiwarkami, które posiadają bogate pierwszo‑stronowe dane behawioralne o użytkownikach, ale ta sama logika pojawia się w reklamie natywnej poprzez platformy demand‑side i platformy zarządzania danymi, do których kampanie natywne mogą podłączyć się w celu rozszerzenia grupy odbiorców. Reklamodawca prowadzący ofertę afiliacyjną przez Taboola lub Outbrain, który chce rozszerzyć grupę w stylu podobnych odbiorców, zazwyczaj musi skierować to targetowanie przez połączoną warstwę DMP lub DSP, zamiast polegać na własnych narzędziach sieci natywnej, ponieważ platformy natywne historycznie bardziej stawiają na targetowanie kontekstowe i targetowanie geograficzne niż na pierwszo‑stronowe modelowanie podobnych odbiorców.

Praktyczne wskazówki dotyczące rozmiaru#

Rozpoczęcie od ściślejszego procentu podobnych odbiorców i dobrze zdefiniowanego, wysokiej jakości seedu, a następnie poszerzanie go jedynie wtedy, gdy wolumen jest zbyt mały, aby wydawać środki, zazwyczaj przewyższa wyniki rozpoczęcia od szerokiego podejścia i późniejszego zawężania. Szerokie uruchomienie podobnej grupy na początku często spala budżet na ustanowienie słabego wzorca, którego ściślejszy seed od początku uniknąłby. Sprawdzenie których reklamodawców już skalują dany kąt jest przydatnym testem zdroworozsądkowym przed przeznaczeniem poważnego budżetu na świeże rozszerzenie podobnej grupy.